在使用机器学习技术诊断内牙治疗牙的活体垂直根骨折
Shujun Ran1, Qiang Wang2, Jia Wang1
1Department of Endodontics and Operative Dentistry, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine; College of Stomatology, Shanghai Jiao Tong University; National Center for Stomatology; National Clinical Research Center for Oral Disease; Shanghai Key Laboratory of Stomatology, Shanghai, China.
Journal of endodontics
|May 15, 2025
概括
机器学习模型准确地使用临床数据和束CT扫描来诊断内牙治疗牙的垂直根骨折 (VRF). 这些模型有助于临床决策,以获得更好的患者结果.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 垂直根骨折 (VRF) 是内牙治疗牙的常见并发症.
- 准确诊断VRF对于有效的治疗计划和预后至关重要.
研究的目的:
- 开发和评估用于诊断VRF的机器学习模型.
- 为了利用临床特征和形束计算断层扫描 (CBCT) 骨损失信息来检测VRF.
主要方法:
- 一项回顾性研究包括887名患者的941颗经过内牙治疗的牙.
- 分析了临床因素和CBCT衍生的骨缺陷.
- 使用线性 (逻辑回归) 和非线性 (XGBoost,LightGBM,CatBoost) 机器学习模型,并使用5倍交叉验证进行验证.
主要成果:
- 确定了112例 (11.9%) 的VRF.
- XGBoost和LightGBM模型表现出高性能 (AUC ~0.98),具有出色的特异性和良好的灵敏度和精度.
- 关键的诊断特征包括语言/口腔骨缺陷,缺陷高度比,缺陷宽度和患者年龄.
结论:
- 整合患者年龄,性别,牙类型,根管填充质量和骨损失参数的机器学习模型显示出显著的价值.
- 这些模型可以帮助临床医生做出明智的决定,以管理疑似VRF的内牙治疗牙.
